中国通货膨胀的影响因素分析
摘
要：本文对影响通货膨胀的主要因素进行了分析与研究。
首先提取
了影响物价指数的五个主要因子：国内生产总值、货币供应量、工资
总额、社会消费品总额、社会固定资产总额。
然后以居民消费价格指数为因变量，以其他可量化因素为自变量建立了多元线性回归模型。
[关键词] 通货膨胀消费价格指数分析
一、理论综述
关于通货膨胀的原因，西方经济学家提出了种种解释，可分为三个方面：第一个方面为货币数量论的解释，这种解释强调货币在通货膨胀过程中的重要性；第二个方面是用总需求和总供给来解释，包括从需求的角度和供给的角度来解释；第三个方面是从经济结构因素变动的角度来说明通货膨胀的原因。
1、作为货币现象的通货膨胀：这一理论的基本思想是，每一次通货膨胀背后都有货币供给的迅速增长。
这一理论认为，如果货币流通速度不变且收入处于其潜在的水平上，则通货膨胀的产生主要是货币供给增加的结果
2、需求拉动通货膨胀：是指总需求超过总供给所引起的一般价格水平的持续显著的上涨。
需求拉动通货膨胀理论把通货膨胀把通货膨胀解释为“过多的货币追求过少的商品”，即当总需求过多时会引发通货膨胀。
3、成本推动通货膨胀：在没有超额需求的情况下由于供给方面成本的提高所引起的一般价格水平持续和显著上涨，西方学者认为，成本推动通货膨胀的原因主要是由工资提高造成的。
综合上述情况，只要通货膨胀开始，货币供给量、总需求和总成本推动过程几乎都发挥着作用。
二、模型设定
通过对各方面通胀观点的分析，本文将从各方面选取变量进行建模分析，具体如下：
（1）货币方面，选取广义货币供应量M2为解释变量；
（2）需求方面：选取社会消费品零售总额和社会固定资产投资总额作为解释变量；
（3）成本方面：职工工资的提高会带来资本方面的提高，所以这里选取工资总额作为解释变量；
（4）经济增长：经济增长了对货币的需求就会增加，货币的供给也会相应的增加，所以就会给通货膨胀埋下一定的隐患，所以这里选取GDP做为解释变量；
（5）被解释变量：居民消费价格指数（CPI）是综合反映一定时期内城乡居民所购买的生活消费品和服务项目价格水平的变动趋势和程度的相对数，是衡量一个国家通货膨胀最常用的指标。
因为CPI的调查范围及其商品品种的构成，是按照国民经济核算体系的分类标准和国际通用规则要求确定的，包括了居民最终消费的货物和服务。
所以，在此文中，选用了CPI作为衡量通货膨胀率的指标。
（6）模型形式的设定：为分析被解释变量和解释变量之间的关系，作如下所示的散点图。
动，但是Y 的变动并不是很明显，趋于水平，再者，考虑到消费价格水平与其他解释变量数据间的差距太大，所以，最后将模型设定为：
t t t t t t t X X X X X Y μββββββ++++++=66554433221l o g l o g l o g l o g l o g 其中，Y 是居民消费价格指数CPI ；X2代表国内生产总值GDP ；X3是广义货币供应量M2；X4为工资总额；X5是社会消费品零售总额；X6表示社会固定资产投资总额。
三、 数据的收集
本文获取了从1995年到2009年间15年的数据如下表所示
表1 15年间消费价格指数及相关数据
四、 模型的估计与调整
1、CPI 对各解释变量的总体回归 该模型为对数模型：
t t t t t t t X X X X X Y μββββββ++++++=66554433221log log log log log
EViews 的最小二乘估计结果如下：
表2 回归结果
Dependent Variable: Y Method: Least Squares Date: 11/18/11 Time: 15:32 Sample: 1995 2009 Included observations: 15
Variable Coefficient Std. Error t-Statistic Prob.
C -312.4253 105.0730 -2.973410 0.0156 LOGX2 78.70641 35.93615 2.190174 0.0562 LOGX3 -79.55711 18.46227 -4.309172 0.0020 LOGX4 -77.80255 40.66806 -1.913112 0.0880 LOGX5 104.3655 28.55985 3.654272 0.0053 LOGX6 16.13009 25.21574 0.639683 0.5383
R-squared 0.971885 Mean dependent var 209.7400 Adjusted R-squared 0.956265 S.D. dependent var 16.05948 S.E. of regression 3.358488 Akaike info criterion 5.550033 Sum squared resid 101.5150 Schwarz criterion 5.833253 Log likelihood -35.62525 F-statistic 62.22261 Durbin-Watson stat 1.491701 Prob(F-statistic) 0.000001 由此可见，该模型2
R =0.9719，2R =0.9563可决系数很高，F 检验值也显著，
但是当α=0.05时，)(2/k n t -α=)615(025.0-t =2.262，不仅X2、X4、X6的系数t 检验不显著，而且X3、X4的符号与预期相反，这表明很可能存在多重共线性。
计算各解释变量的相关系数，选择lnX2、lnX3、lnX4、lnX5、lnX6数据，点“view/correlation ”得相关数据矩阵
表3 相关数据矩阵
变量
LOGX2
LOGX3
LOGX4
LOGX5
LOGX6
LOGX2 1.000000 0.990948 0.994199 0.997246 0.996910 LOGX3 0.990948 1.000000 0.975085 0.991703 0.985037 LOGX4 0.994199 0.975085 1.000000 0.991423 0.997184 LOGX5 0.997246 0.991703 0.991423 1.000000 0.993978 LOGX6 0.996910 0.985037 0.997184 0.993978 1.000000
由相关系数矩阵可以看出，各解释变量相互之间的相关系数都很高，证实确实存在严重多重共线性。
2、修正多重共线性
采用逐步回归的办法，去检验和解决多重共线性问题。
分别作Y对logx2、logx3、logx4、logx5、logx6的一元回归，结果如下表所示。
表4 一元回归估计结果
其中，加入X4的2R最大，以X4为基础，顺次加入其他变量逐步回归。
结果如下表所示。
表5 加入新变量的回归结果（一）。